一：中值滤波

原理与作用：

前面一节实现的是均值滤波，是取卷积计算后的平均值，而中值滤波是取卷积计算的中间值，中值滤波的好处是对图像的椒盐噪声有很好的抑制作用，因为图像的椒盐噪点，是图像某一片区域像素的极大值或者极小值，使用中值滤波可以过滤掉这些噪点。
示例：
下图是一个 6* 8 的像素矩阵，卷积和为黄色部分 3*3大小。

卷积核的窗口所覆盖下的像素值：
211，109，233，234，111，189，178，191，230。九个值，所以中值就是 191这个像素值（9个像素的中间值），然后把它赋值给红色坐标位置。
尔均值就是：（211+109+233+234+111+189+178+191+230)/9=187.33
卷积的方法也是在源图上从上到下，从左到右，进行线性卷积。
中值滤波可以看出是对像素值统计排序，然后获取中间值，也称做统计排序滤波器。
也可以取最大值或者最小值进行滤波处理，叫做 ：最大值滤波或最小值滤波。

二：双边滤波

原理与作用：

1. 均值滤波无法克服边缘像素信息丢失的缺陷，原因均值滤波是基于平均权重的滤波处理。
2. 高斯滤波克服了该缺陷，但是也无法完全避免，因为没有考虑像素值的不同。
3. 高斯双边模糊（滤波） – 是边缘保留的滤波方法，避免了边缘的信息丢失，保留了图像的原有轮廓不不变。
   
   （a ） 输入的图像 经过中间的(高斯)卷积核 卷积后输出（d）,实现平滑效果。
   卷积核有分为 （b）空域核： 就是卷积核中每个对应点上的权重，所有权重的和应该为1。（c）值域核 ：要区分卷积的像素值，就是在某个像素值范围之外进行卷积计算，如果相差太大就不做处理，这样能保留图像的差异化，图像反应的信息特征更好的保留了。从输出(b)可以看出，高象素值和低像素值得到了平滑处理，而中间的差异化也得到了保留。

三：API

中值滤波：

//
        // 摘要:
        //     Smoothes image using median filter
        //
        // 参数:
        //   src: 源图像
        //     The source 1-, 3- or 4-channel image. When ksize is 3 or 5, the image depth should
        //     be CV_8U , CV_16U or CV_32F. For larger aperture sizes it can only be CV_8U
        //
        //   dst: 输出图像
        //     The destination array; will have the same size and the same type as src
        //
        //   ksize: 卷积核  必须大于1 且是奇数
        //     The aperture linear size. It must be odd and more than 1, i.e. 3, 5, 7 ...
        public static void MedianBlur(InputArray src, OutputArray dst, int ksize);

高斯双边滤波:

//
        // 摘要:
        //     Applies bilateral filter to the image
        //
        // 参数:
        //   src: 源图像
        //     The source 8-bit or floating-point, 1-channel or 3-channel image
        //
        //   dst: 输出图像
        //     The destination image; will have the same size and the same type as src
        //
        //   d: 计算半径，在半径范围内的像素都会纳入计算，如果输入-1则根据sigmaSpace取值  《空域》
        //     The diameter of each pixel neighborhood, that is used during filtering. If it
        //     is non-positive, it's computed from sigmaSpace
        //
        //   sigmaColor: 决定多少差值之内的像素会被计算  《值域》
        //     Filter sigma in the color space. Larger value of the parameter means that farther
        //     colors within the pixel neighborhood will be mixed together, resulting in larger
        //     areas of semi-equal color
        //
        //   sigmaSpace: 如果 d 的值大于0则无效，否则根据它来计算 d 值
        //     Filter sigma in the coordinate space. Larger value of the parameter means that
        //     farther pixels will influence each other (as long as their colors are close enough;
        //     see sigmaColor). Then d>0 , it specifies the neighborhood size regardless of
        //     sigmaSpace, otherwise d is proportional to sigmaSpace
        //
        //   borderType:
        public static void BilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, BorderTypes borderType = BorderTypes.Reflect101);

代码：

/// <summary>
        /// 中值模糊和双边模糊
        /// </summary>
        private static void TheMedianAndBilateralFuzzy(string path)
        {
            using (src = new Mat(path, ImreadModes.AnyColor | ImreadModes.AnyDepth))
            using (Mat dst = new Mat())
            {
                Mat gs = new Mat(src.Size(),src.Type());

                //中值模糊
                //参数 1： 输入 2：输出 3：ksize必须大于1且是奇数
                Cv2.MedianBlur(src, dst, 5);

                //高斯双边模糊
                //参数 1：输入 2：输出 3：计算的半径，半径之内的像数都会被纳入计算，如果提供-1 则根据sigma space参数取值
                //4:sigma color 决定多少差值之内的像素会被计算
                //5:sigma space 如果d的值大于0则声明无效，否则根据它来计算d值

                Cv2.BilateralFilter(src, gs, 15, 100, 5);
                //InputArray kernel = InputArray.Create<float>( new float[3, 3]{ { 0,-1,0}, { -1,5,-1}, { 0,-1,0} });
                //Cv2.Filter2D(gs, dst, -1, kernel, new Point(-1, -1), 0);

                using(new Window("BilateralFilter Image", WindowMode.Normal,gs))
                using (new Window("MedianBlur Image", WindowMode.Normal, dst))
                using (new Window("SRC Image", WindowMode.Normal, src))
                {
                    Cv2.WaitKey(0);
                }
            }
        }